Upscayl 免费AI图像放大完整指南：模糊老照片与糊图变4K的5步操作
【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl
手头的老照片放大后糊成一片？发到群里的表情包，一放大就满是马赛克？这类"差一点就够清晰"的图，通常不需要修图软件，只需要一个会"脑补细节"的放大器。这就是 Upscayl 做的事——一款免费开源的 AI 图像放大工具，基于 Real-ESRGAN 算法和 Vulkan 图形加速，把低分辨率图片放大 4 倍甚至更多，同时让 AI 生成合理的细节。它的代码完全开放，模型和处理流程都可以审计，Windows、macOS、Linux 三端通用。
动手之前：先看你的电脑能不能跑
Upscayl 的放大计算全部交给显卡，所以第一道门槛是硬件。
- 需要一块支持 Vulkan 的 GPU，2017 年后的主流独立显卡基本都没问题；不少核显用不了，但 Intel HD 620、Iris 以及 AMD Vega 系列核显已确认可用
- 系统版本：Windows 10 及以上、macOS 12 及以上、主流 Linux 发行版
- 内存至少 4GB，磁盘预留 1GB 安装空间
不确定自己的显卡行不行？翻一下仓库里的 docs/Compatibility-List.md，社区把已验证通过的硬件都列在那儿了，照着对就行。
把软件装到你手上
三条路线，按你的系统挑一条走。
Windows：从官方发布页拿到.exe安装包，双击运行即可。弹出 SmartScreen 警告时点"更多信息"→"仍要运行"，跟着向导装完，桌面快捷方式会自动生成。
macOS：下载.dmg镜像，把图标拖进应用程序文件夹；首次启动时按住 Control 键点击图标选"打开"，再确认一次"打开"就能过了。习惯命令行的话，一条命令更省事：
brew install --cask upscaylLinux：推荐 Flatpak 方式，兼容性最好：
flatpak install flathub org.upscayl.Upscayl想免安装就下载.AppImage文件，右键→属性→权限里勾上"允许作为程序执行"，双击即用。Arch 用户还能装 AUR 里的upscayl-bin，Fedora/RHEL 有 RPM 包可选。
第一次放大：三次点击走完全程
主界面中央点"选择图像"（或直接拖图进窗口），JPG、PNG、WebP 都能吃，单张建议别超 10MB。然后调三个核心参数：
- 模型：按图片类型选，具体怎么选见下一节
- 放大倍数：常规选 4x，低配机器可以先从 2x 试起
- 输出格式：要画质选 PNG，要体积小选 WebP
点"Upscayl"按钮，进度条走完之后，成品自动落在原图所在文件夹，文件名带_upscayled后缀，点"查看输出"就能直接找到。整个过程和下面这张界面截图一致，没有隐藏菜单：
模型怎么选：按场景对号入座
内置的 7 个模型各有分工（完整清单在 common/models-list.ts 里能查到），按素材类型选，效果差异明显：
- 普通照片→
upscayl-standard-4x：细节和自然度最平衡，不确定选什么就选它 - 动漫、插画→
digital-art-4x：能保住卡通风格的线条和色块，速度也最快一档 - 人像照片→
high-fidelity-4x：重点优化肤色和皮肤纹理，但最慢，耐心等 - 老照片修复→
remacri-4x：对噪点、划痕这类岁月痕迹有针对性处理，速度同样偏慢 - 建筑、文字、硬边缘素材→
ultrasharp-4x：强化边缘锐度，文字边缘最干净 - 混合内容→
ultramix-balanced-4x：多场景通吃的折中选项 - 低配设备→
upscayl-lite-4x：速度全场最快，画质略让步，先跑通再谈精修
放大后的实际效果长这样。数字艺术模型的出图：
高保真人像模型的出图：
更完整的放大前后对比，仓库里有一份 COMPARISONS.MD，可以逐组看。
进阶：批量处理、参数微调与自定义模型
批量工作流适合老照片修复这类"几十上百张"的活：主界面进批量模式→选一个装满图片的文件夹→统一设好模型和倍数→开始。图片按顺序处理完，结果放回同一文件夹，文件名自动加_upscayled。
"更多选项"里藏着四个值得动的参数：压缩质量（文件大小和画质的平衡杆）、自定义分辨率（精确指定输出尺寸）、TTA 模式（质量提升一个台阶，但时间差不多翻倍）、tile 分块尺寸（显存吃紧时是关键旋钮）。输出格式在 PNG、WebP 等常见格式里切换即可。
自定义模型是进阶玩家的主场。Upscayl 吃 NCNN 格式模型（.bin+.param一对文件）：建一个名叫models的文件夹，把模型丢进去，再到设置页的"选择自定义模型文件夹"里指过去，新模型就会出现在模型列表里。官方另有一个 custom-models 仓库提供针对特定场景调优的模型可下载；如果你手里有 PyTorch 模型想转格式，docs/Model-Conversion-Guide.md 手把手讲了转换步骤。
按症状对药：四类常见故障
打不开或秒退。九成是 GPU 不认：先确认显卡支持 Vulkan，再更新显卡驱动（NVIDIA 用 GeForce Experience，AMD 用 Radeon Software），还不行就在程序属性里勾选兼容模式重试。
处理到一半崩溃。按顺序降负载：4x 降到 2x；在设置里调大 tile 尺寸（比如 1024→2048）；关掉其他吃显卡的程序。
效果不如预期。先换模型（风景试试 ultrasharp，人像试试 high-fidelity），再开 TTA 拉一档细节，动手前还可以先用修图软件把对比度、亮度拉一拉。要提醒一句：AI 放大的是"分辨率"，救不了失焦——如果原图本身就是拍糊的，Upscayl 无能为力，这类图换工具也白搭。
多显卡用错了核。设置页往下翻到日志区，跑一次任务能看到所有 GPU 的编号，把要用的编号填进 GPU ID 输入框（如0或1），重启生效；多卡并行可以填0,1，前提是显存够。
完整的排查手册在 docs/troubleshooting/general-fixes.mdx，提交 bug 前记得在设置页用 COPY 按钮拷一份日志。
这套流程适合谁，下一步做什么
如果你手头是老照片存档、社媒配图、印刷素材这类"有底子、缺分辨率"的图，Upscayl 开箱即用，基本零学习成本。如果你的素材本身失焦、模糊严重，或者需要的是风格重绘而不是放大，那它不是合适的工具，别在上面花时间。
装好之后的三条延伸路径：想深挖功能细节看 docs/Guide.md；想在自家硬件上验证兼容性查 docs/Compatibility-List.md；想参与开源，提 issue、补代码、翻译界面都是入口——项目还挂着 roadmap，更多模型和批量功能的改进都在排队。先去跑一张 4x 试试，效果不满意再回来翻这篇。
【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
